自定义提示模板

假设我们希望LLM根据函数的名称生成英语语言的解释。为了完成这个任务，我们将创建一个自定义提示模板，它以函数名称作为输入，并格式化提示模板以提供函数的源代码。

为什么需要自定义提示模板？

LangChain提供了一组默认提示模板，可用于生成各种任务的提示。但是，可能存在默认提示模板不符合您需求的情况。例如，您可能希望创建具有特定动态说明的提示模板以供语言模型使用。在这种情况下，可以创建自定义提示模板。

查看当前默认提示模板集合此处。

创建自定义提示模板

基本上有两种不同的提示模板可用——字符串提示模板和聊天提示模板。字符串提示模板以字符串格式提供简单提示，而聊天提示模板生成可用于聊天API的更结构化的提示。

在本指南中，我们将使用字符串提示模板创建自定义提示。

要创建自定义字符串提示模板，需要两个要求：

它具有input_variables属性，以公开提示模板期望的输入变量。
它公开format方法，该方法接受与预期的input_variables对应的关键字参数，并返回格式化的提示。

我们将创建一个自定义提示模板，它以函数名称作为输入，并格式化提示来提供函数的源代码。为此，让我们首先创建一个函数，该函数将根据其名称返回函数的源代码。

import inspect

def get_source_code(function_name):
    # Get the source code of the function
    return inspect.getsource(function_name)

Next, we’ll create a custom prompt template that takes in the function name as input, and formats the prompt template to provide the source code of the function.

from langchain.prompts import StringPromptTemplate
from pydantic import BaseModel, validator

class FunctionExplainerPromptTemplate(StringPromptTemplate, BaseModel):
 """ A custom prompt template that takes in the function name as input, and formats the prompt template to provide the source code of the function. """

    @validator("input_variables")
    def validate_input_variables(cls, v):
 """ Validate that the input variables are correct. """
        if len(v) != 1 or "function_name" not in v:
            raise ValueError("function_name must be the only input_variable.")
        return v

    def format(self, **kwargs) -> str:
        # Get the source code of the function
        source_code = get_source_code(kwargs["function_name"])

        # Generate the prompt to be sent to the language model
        prompt = f"""
 Given the function name and source code, generate an English language explanation of the function.
 Function Name: {kwargs["function_name"].__name__}
 Source Code:
 {source_code}
 Explanation:
 """
        return prompt

    def _prompt_type(self):
        return "function-explainer"

Use the custom prompt template#

Now that we have created a custom prompt template, we can use it to generate prompts for our task.

fn_explainer = FunctionExplainerPromptTemplate(input_variables=["function_name"])

# Generate a prompt for the function "get_source_code"
prompt = fn_explainer.format(function_name=get_source_code)
print(prompt)

        Given the function name and source code, generate an English language explanation of the function.
        Function Name: get_source_code
        Source Code:
        def get_source_code(function_name):
    # Get the source code of the function
    return inspect.getsource(function_name)

        Explanation:

连接特征存储（Connecting to a Feature Store）少量样例（Few-Shot Examples）